4차 산업시대를 맞이하여 많은 공학 분야에서 IoT(Internet of Things)기술의 연계는 매우 중요한 쟁점이다. 최근 조선소에서도 디지털 조선, 스마트 팩토리 등의 개념을 구체화하고 있는 추세이다. 한편 자동차, 비행기 등에서 자율주행을 구현하는 연구는 매우 활발 하고 일정 부분 상용의 형태로 나타나고 있다. 본 연구는 오픈 소스 아두파일럿 기반의 FC(Flight Controller) 및 RTK(Real Time Kinematic) GPS(Global Positioning System)를 이용하여 자율 주행 임무를 수행하는 보트의 주행성에 관한 연구로서 잔잔한 호수에서 실해역 실험을 수행하였으며 보트의 임무는 특정한 지점을 자율주행한 후 홈 위치로 스스로 돌아오는 과정에 대한 조종성 평가이다. 주어진 속도에서 기 설정된 임무 궤적과 실 운항 궤적에 따른 차이를 분석하고 시스템의 보트 적용성에 대한 일련의 연구를 수행하였다. 또한 4개의 프로펠러를 가지는 OmniX 선체의 주행성을 분석하였으며 최대 48%의 주행 추적성 향상을 확인하였다.

PURPOSES : Accidents involving autonomous vehicle continue to occur. However, research on autonomous vehicle monitoring has been insufficient. The purpose of this study is to develop monitoring indicators from the perspective of vehicles and road infrastructure for the safe driving of autonomous vehicles. In addition, the purpose is to monitor autonomous vehicles and road environments using the monitoring indicators developed, as well as to analyze the characteristics of road sections where autonomous vehicles exhibit abnormalities. METHODS : Data from Pangyo Zero Shuttle, an autonomous vehicle, were used in this study. Infrastructure data installed in Pangyo Zero City were used. The data were collected from June 2019 to July 2019, during the normal driving period of the zero shuttle. The five monitoring indicators were developed by combining the vehicle operation information table collected from the V2X device of the zero shuttle and the road environment monitoring detail table collected from the infrastructure data with the road section table. In addition, an analysis of road characteristics with frequent errors is performed for each monitoring indicator. RESULTS : The three monitoring indicators from the perspective of the vehicle allowed monitoring of the sensor error, sensor communication error, and yaw rate error of the autonomous vehicle's timing and road section. In addition, the two monitoring indicators from the infrastructure perspective enabled the monitoring of events and road surface conditions on roads where autonomous vehicles drive. As a result of analyzing the road characteristics that frequently caused errors by monitoring indicators, sensor errors frequently occurred in the section waiting to enter the left-turn lane. Sensor communication errors are left-turn standby and have occurred frequently on road sections where U-turns are allowed. Finally, yaw rate error occurred frequently in sections of roads where there were no induction lines or where changes to lanes occurred frequently. CONCLUSIONS : The five monitoring indicators developed in this study allowed the monitoring of autonomous vehicles and roads. The results of this study are expected to help the safe driving of autonomous vehicles and contribute to the detection of autonomous driving abnormalities and the provision of real-time road condition information through further analysis.

자율주행 5단계(mind-off)에서는 운전에서 해방된 탑승자가 차량 내에서 대면 대화, 업무, 휴식, 영화 감상 등의 다양한 활동이 될 것으로 예상된다. 특히 자동차 실내 공간의 다양한 변화가 예상된다. 또한 미국자동차협회(American Automobile Association)가 시행한 조사에서 73%가 자율주행 자동차에 탑승하는 것이 두렵다고 응답하였고, 자율주행 5단계에서는 안전의 주체가 자율주행자동차로 이양이 예상되므로 사용자 경험 관점에서 연구가 이루어져야 한다. 최근 완전자율주행자동차의 안전성 확보에 관한 다양한 연구가 이뤄지고 있으나 실제 탑승자의 심리적 안전성 확보 관점에서의 연구는 부족한 실정이다. 이에 본 연구는 AHP 분석 기법에 기반하여 설문조사를 진행하였다. 그 결과 각 실내 행위 유형에 따라 탑승자의 심리적 안전성 확보를 위한 자동차 안전장치의 우선순위를 도출하였고 도출된 결과를 기반으로 탑승자의 심리적 안전성을 확보를 위한 실내 공간을 제시하였다. 본 연구는 탑승자의 심리적 안전성을 충족하는 실내공간 설계를 위한 방향성을 제시한 것에 의의가 있으며, 이를 바탕으로 사용자의 심리적 안전성 확보를 위한 완전 자율주행 자동차 실내 환경 조성이 이루어질 것으로 기대한다.

Robots for a wide range of purposes have been developed along with the rapid industrialization. On the basis of higher convenience, the robots have been creating new industrial environment. The robots are generally classified into service robots and industrial robots. Robots in various shapes have been developed on the basis of the autonomous mobile robots. The autonomous mobile robots have the possibility to crash against any object in their moving range. This paper suggests a collision avoidance method to prevent collision of robots. The collision avoidance method analyzes the road context data and makes a robot move to a safe area. The collision avoidance method proposed in this paper converts the road context data into the information value. The collision avoidance method analyzes the present risk on the basis of the converted information value. The collision avoidance method makes a robot move to a safe area when crash is estimated by the information analysis.